מחקר על אופטימיזציית תזמון במפעל עיבוד לוחות אוניות בהתבסס על אלגוריתם NSGA‑II משופר

מדוע מספנות צריכות תזמונים חכמים יותר

מספנות מודרניות מטפלות באלפי לוחות פלדה כבדים שצריכים להיסמן, להיחתך ולהזוז בסדר הנכון. כל הפרעה קטנה — כמו מכונת חיתוך שבורה או הזמנה דחופה — יכולה לגרום לתזוזות במפעל, לבזבוז אנרגיה, לעומס יתר על מכונות מסוימות ולאי־עמידה בזמני המסירה. מאמר זה מציג שיטה חדשה לארגון מחדש אוטומטי של העבודה במפעל עיבוד לוחות בעת הופעת הפרעות כאלה, באמצעות אלגוריתם אבולוציוני משופר שמטרתו לשמור על ייצור מהיר, אמין ויעיל.

שמירה על רציפות הייצור כשדברים משתבשים

תהליך בניית אוניות הוא מורכב ואופייני לו אופי של עצירה והמשך. הלוחות שונים בממדים ובצורה, ומכונות שונות חולקות את העומס. כיום, כשמתרחש אירוע בלתי צפוי, רבות מהמספנות עדיין מסתמכות על צוותים מנוסים כדי לארגן את התוכנית מחדש ידנית. זה לוקח זמן ולעתים גורם לשימוש לא אחיד במכונות ולהעלאת עלויות. המחברים מתמקדים בשאלה מרכזית: כאשר רצפת הייצור נפגעת מאירועים כמו התקלות מכונה, עבודות תיקון או חומרים שמגיעים באיחור — כיצד מחשב יכול במהירות לייצר תוכנית חדשה שמסיימת בזמן, שומרת על צריכת אנרגיה נמוכה וממנעת עומס יתר על מכונה בודדת?

הפיכת המפעל לתאום דיגיטלי

כדי להתמודד עם הבעיה, החוקרים קודם כל הופכים את מפעל עיבוד הלוחות למודל דיגיטלי מפורט. הם בונים תצורה תלת־ממדית של המכונות וזרמי החומר באמצעות תוכנות הנדסיות, ומקשרים אותה לפלטפורמת נתוני אינטרנט של הדברים (IoT) שאוספת מידע בזמן אמת ממטרות החיתוך, מנופים וציוד אחר. כך נוצר מעין "תאום דיגיטלי" של המפעל: סביבה וירטואלית המשקפת את מה שמתרחש על הרצפה. נתוני הייצור זורמים למערכת תזמון המשתמשת באלגוריתמי אופטימיזציה כדי להציע תוכנית עבודה ראשונית. תוכנית זו נבדקת בסימולציה כדי לוודא שהיא עומדת בדדליין ומשתמשת במכונות בצורה סבירה לפני שהיא מוחזרת לשליטה על המפעל האמיתי.

איזון זמן, עלות ועומס על המכונות

גרעין המחקר הוא תיאור מתמטי של אופן תנועת הלוחות בתוך המפעל. כל לוח עובר מספר שלבים במכונות שונות, והתוכנית חייבת לכבד את סדר הפעולות, את קיבולת כל מכונה ואת זמן המסירה המובטח. המחברים מגדירים שלושה יעדים בו‑זמנית: לקצר את זמן ההשלמה הכולל, לצמצם את סך האנרגיה הנצרכת בעיבוד ובהמתנה, ולהימנע מתקופות ארוכות שבהן המכונות או עומדות ללא פעילות או עומס יתר. סוג בעיה רב־יעדי כזה אין לו תשובה מושלמת אחת; הוא מייצר מערך פשרות — למשל לסיים מעט מוקדם יותר במחיר של צריכת אנרגיה גבוהה יותר. מטרת האלגוריתם היא למפות את הפשרות הללו כדי שמאמצי התכנון יוכלו לבחור את התזמון שהכי מתאים להעדפותיהם.

לימוד אלגוריתם להסתגל כמו מומחה

כדי לחפש בחלל העצום של לוחות זמנים אפשריים, המחברים משפרים שיטה אבולוציונית פופולרית בשם NSGA‑II, שפועלת על ידי אבולוציה של אוכלוסייה של תוכניות מועמדות לאורך דורות רבים. בגרסאות מסורתיות משתמשים בהגדרות קבועות לשכיחות של הכלאה ושינויים אקראיים, ושומרים על התכניות הטובות ביותר באופן פשוט. זה עלול לגרום לחיפוש "להיתפס" מוקדם מדי. כאן הסתברויות ההכלאה והמוטציה מתאימות את עצמן אוטומטית ככל שהחיפוש מתקדם, מעודדות חקירה רחבה בתחילה והעמקה זהירה מאוחר יותר. במקביל, כלל חדש לבחירת "עליונות" בהשראת אנילינג מדומה שולט בכמה מהתכניות הטובות נשמרות מכל דור. זה עוזר לשמור על מגוון בין התוכניות המבטיחות כך שהאלגוריתם לא יתכנס מהר מדי לפתרון תת‑אופטימלי.

הוכחה של השיטה במבחנים ובמספנה אמיתית

הגישה המשופרת נבחנת בשני אופנים. ראשית, היא מורצת על מאגר מבחנים סטנדרטי לתזמון המשמש חוקרים רבים. ברוב המבחנים האלה היא מוצאת פתרונות פשרה מגוונים ואיכותיים יותר הן מה‑NSGA‑II המקורי והן מהגרסה החדשה NSGA‑III. שנית, הצוות מיישם אותה על הזמנת ייצור אמיתית הכוללת 16 לוחות ושבע מכונות במספנה, ואז מכניס הפרעות ריאליסטיות: עבודות תיקון דחופות והתקלה של מכונה מרכזית. בכל מקרה המערכת מנסה קודם מהלך פשוט של הזזה ימינה של המשימות המושפעות; אם זה עלול לפספס את תאריך המסירה היא מפעילה תזמון מחדש מלא באמצעות האלגוריתם המשופר. בהשוואה לאסטרטגיות מסורתיות, השיטה החדשה מספקת זמנים קצרים יותר להשלמה, צריכת אנרגיה נמוכה או דומה, ועומסי מכונות מאוזנים יותר, תוך חישוב תוכניות במהירות המספיקה לשימוש מעשי.

מה זה אומר לעולם בניית האוניות

בעבור קהל לא־מומחה, המסר המרכזי הוא שמפעלי עיבוד לוחות אוניות יכולים כעת להגיב להפתעות בצורה אוטומטית ואמינה יותר. באמצעות שילוב של זרם נתונים חי מהמפעל, מודל דיגיטלי ריאליסטי ואלגוריתם אבולוציוני חכם יותר, השיטה שומרת על הייצור על המסלול הפחות דורש כיבוי שריפות ידני. בטווח הארוך תזמון דינמי כזה יכול לסייע למספנות לצמצם עיכובים, לחסוך אנרגיה ולהשתמש טוב יותר בציוד יקר — צעד מוחשי לקראת ייצור חכם ועמיד יותר.

ציטוט: Dong, L., Liu, J., Gu, S. et al. Research on scheduling optimization of ship plate processing workshop based on improved NSGA-II algorithm. Sci Rep 16, 5549 (2026). https://doi.org/10.1038/s41598-026-35278-y

מילות מפתח: בניית אוניות, תזמון ייצור, אלגוריתם גנטי, ייצור חכם, אופטימיזציה דינמית